[发明专利]一种基于多幅离焦图像的超分辨率图像重构方法

摘要

本发明涉及一种基于多幅离焦图像的超分辨率图像重构方法：从多幅原始分辨率图像中选出一幅原始分辨率清晰图像I和n幅原始分辨率离焦图像G_j；计算I的预估高分辨率图像X_o；采用粒子群迭代算法估算出预估模糊半径以及预估点扩散函数采用压缩感知技术并根据G_j对X_o进行联合重构以获得当前高分辨率图像X^t；再以X^t作为迭代计算高分辨率图像X的基础；以以及作为初始值，再次采用粒子群迭代算法求解模糊半径R_j和点扩散函数h_j；采用压缩感知技术并根据点扩散函数h_j联合n幅图像G_j对图像X进行联合重构以获得超分辨率图像M。本发明实现了未知点扩散函数进行盲重构，算法简单，运算速度快。

主权项

1.一种基于多幅离焦图像的超分辨率图像重构方法，其特征在于：包括以下步骤：步骤1：采集同一场景的多幅原始分辨率图像，从中选出一幅原始分辨率清晰图像I和n幅原始分辨率离焦图像G_j，j∈{1,..,n}；对原始分辨率清晰图像I采用双立方插值法进行处理构造出插值图像I_o，选取插值图像I_o中的平滑区域，从平滑区域中选取大小为a×b的图像块作为预估高分辨率图像X_o；计算预估高分辨率图像X_o的下采样矩阵D；步骤2：采用粒子群迭代算法估算出每幅原始分辨率离焦图像G_j的预估模糊半径预估点扩散函数设本次粒子群迭代算法的总迭代次数为T，当前迭代次数为k，为每幅原始分辨率离焦图像G_j均选取m个粒子，本次粒子群迭代算法通过比较粒子的当前适应值与历史最优位置所对应的适应值，选取较小者所对应的粒子位置来更新粒子的当前最优位置其中，第j幅图像的第i个粒子的当前适应值按照如下公式计算：其中，为预估高分辨率图像X_o的当前降质图像；通过采用当前预估点扩散函数对预估高分辨率图像X_o进行降质处理获得，按如下公式计算：其中，为当前预估点扩散函数按照卷积过程生成的模糊矩阵；步骤3：设置总循环次数为Z,当前循环次数为t，t∈{1,2,...,Z},采用压缩感知技术并根据n幅原始分辨率离焦图像G_j联合重构以获得当前高分辨率图像X^t，按照如下公式：X^t＝ψ*β，其中，ψ是当前高分辨率图像X^t的稀疏基矩阵，β为稀疏系数；β是采用基追踪算法求解降质模型得到：对上述公式进行稀疏变换得到：其中，H_j^t‑1为点扩散函数h_j^t‑1按照卷积过程生成的模糊矩阵；当循环开始即t＝1时，H_j^t‑1即H_j⁰为步骤2中预估点扩散函数按照卷积过程生成的模糊矩阵；步骤4：采用粒子群迭代算法求解暂态模糊半径R_j^t和暂态点扩散函数h_j^t，采用步骤3所获得的当前高分辨率图像X^t求解粒子群迭代算法中的当前适应值设粒子群迭代算法的总迭代次数为L，当前迭代次数为k，本次粒子群迭代算法采用比较粒子的当前适应值与历史最优位置所对应的适应值，选取较小者所对应的粒子位置来更新粒子的当前最优位置其中，粒子的当前适应值按照如下公式计算：其中，为当前高分辨率图像X^t的当前降质图像；通过采用当前点扩散函数对当前高分辨率图像X^t进行降质处理获得，按如下公式计算：其中，为当前点扩散函数按照卷积过程生成的模糊矩阵；令暂态模糊半径R_j^t所对应的适应值为f_j^l,t，其中l是指粒子群迭代算法满足终止条件时的当前迭代次数；步骤5：令暂态适应值为F_j^t，F_j^t＝f_j^l,t，判断以下循环终止条件之一是否成立：循环终止条件1：其中，e为阈值；循环终止条件2：t＝Z是否成立；若上述循环终止条件均不成立，令t＝t+1,回到步骤3；若上述循环终止条件之一成立，则以F_j^t所对应的暂态模糊半径R_j^t作为模糊半径R_j并根据模糊半径R_j计算点扩散函数h_j，输出点扩散函数h_j，并以当前高分辨率图像X^t作为高分辨率图像X，进入步骤6；步骤6：采用压缩感知技术并根据n幅原始分辨率离焦图像G_j对高分辨率图像X进行联合重构以获得超分辨率图像M，按照如下公式：M＝ψ*β，其中，ψ是超分辨率图像M的稀疏基矩阵，β为稀疏系数；β是采用基追踪算法求解降质模型得到：对上述公式进行稀疏变换得到：其中，H_j是根据步骤5中点扩散函数h_j按照卷积过程生成的模糊矩阵；将β带入公式M＝ψ*β中，最终得到超分辨率图像M。